Geri Dön

Makine öğrenmesi yöntemleri ile harita eşleştirme ve konum tahmini

Location determination using map matching techniques of machine learning

  1. Tez No: 645017
  2. Yazar: ZİYA GÖKALP ERSAN
  3. Danışmanlar: DOÇ. DR. METİN ZONTUL
  4. Tez Türü: Doktora
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2020
  8. Dil: Türkçe
  9. Üniversite: İstanbul Aydın Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
  13. Sayfa Sayısı: 108

Özet

Günümüzde konum belirleme servisleri (Global Navigation Satellite Systems-GNSS), araç takip sistemleri başta olmak üzere; askeri alanlarda, uçakların yön bulmasında, Jeodezik ve Jeodinamik ölçmeler, güvenlik, arama-kurtarma ve Coğrafi Bilgi Sistemleri uygulamaları gibi bir çok sivil alanda etkin olarak kullanılmaktadır. GNSS sistemlerine bağlı olan GPS sistemleri her zaman doğru koordinat hesaplamaları yapamamaktadır. Bunun sebebi olarak, GPS alıcılarının kullanıldığı yerlerin çevresindeki koşullar (yüksek binalar gibi) veya hava şartlarına bağlı olarak sinyal zayııflıkları gösterilebilir. Bu çalışmada, novatel ve ublox tabanlı araç takip cihazlarından alınan gps datasının hatalı sapma oranlarını 10 farklı makine öğrenmesi algoritması ile minimize ederek, harita eşleştirme problemine çözüm olarak sunulmaktadır. Makine öğrenmesi algoritmalarının daha etkili ve doğru sonuçlar verdiğini göstermek için, lokasyon verileri bir başka yöntem olarak kabul edilen, klasik yaklaşımlardan biri olan kalman filtresi ile hesaplanmıştır. Karşılaştırma sonuçlarına göre, makine öğrenmesi extra trees algoritmasının daha yüksek orana sahip, doğru tahminleme yaptığı gözlemlenmiştir. Ayrıca araç takip sisteminden gelen gps datası ile tahmin edilen nokta kordinatları arasındaki sapma oranının metre olarak verilmesi sağlanmıştır.

Özet (Çeviri)

With the huge progress in the development of wireless technology, Global Positioning System (GPS) a part of Global Navigation Satellite Systems (GNSS), predominantly based vehicle navigation systems are being widely deployed in military areas, enrooting aircraft, search-rescue and security, and Geodetic-Geodynamic measurements together with Geographical Information Systems applications. The location determination in obstructed areas may not be able to determine the correct location; which is very challenging particularly if Global Positioning System's (GPS) errors impede the used algorithms in finding the correct segment, especially in dense and complicated areas. Moreover, the weaknesses of the signal may depend on the surrounding environment (such as tall buildings) or weather conditions where the GPS receivers are used. Regardless, High Sensitivity GPS receivers may alleviate the mentioned problem by acquiring and tracking weak signals at a high cost. In this paper, 10 different Machine Learning (ML) techniques are use to solve the problem by minimizing the error deviation rates of GPS data taken from Novatel and Ublox based vehicle tracking devices. To show that machine learning algorithms give more effective and accurate results, location data is calculated with one of the classical approaches, the Kalman filter, which is considered as another method. According to the results of comparison, it was observed that the machine learning extra trees algorithm has higher rate and makes more accurate predictions. In addition, the deviation rate between the GPS data from the vehicle tracking system and the estimated point coordinates is provided in meters.

Benzer Tezler

  1. Image analysis based symbol recognition in colored maps

    Renkli haritalarda görüntü analizi tabanlı sembol tanıma

    FATMANUR TURHAN

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. BEHÇET UĞUR TÖREYİN

  2. Simultaneous transmission based communication techniques

    Eş zamanlı ̇iletime dayalı haberleşme sistemleri ̇

    UFUK ALTUN

    Yüksek Lisans

    İngilizce

    İngilizce

    2020

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    PROF. DR. GÜNEŞ ZEYNEP KARABULUT KURT

    DOÇ. DR. ENVER ÖZDEMİR

  3. Scalable planning and learning framework development for swarm-to-swarm engagement problems with reinforcement learning

    Pekiştirmeli öğrenme ile sürüden sürüye angajman problemleri için ölçeklenebilir planlama ve öğrenme sistemi geliştirilmesi

    UMUT DEMİR

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Savunma ve Savunma Teknolojileriİstanbul Teknik Üniversitesi

    Uçak ve Uzay Mühendisliği Ana Bilim Dalı

    DOÇ. DR. NAZIM KEMAL ÜRE

  4. CBS destekli makine öğrenmesi yöntemleri ile hırsızlık suçlarını etkileyen mekânsal faktörlerin belirlenmesi ve suç tahmin modeli geliştirilmesi

    Determination of spatial factors affecting burglary crimes with CBS-supported machine learning methods and developing a crime forecast model

    GAMZE BEDİROĞLU

    Doktora

    Türkçe

    Türkçe

    2022

    Jeodezi ve FotogrametriKaradeniz Teknik Üniversitesi

    Harita Mühendisliği Ana Bilim Dalı

    PROF. DR. HÜSNİYE EBRU ÇOLAK

  5. Konteyner liman operasyonlarının makine öğrenmesi yöntemleri ile analizi

    Analysis of container port operations using machine learning methods

    ÜSTÜN ATAK

    Doktora

    Türkçe

    Türkçe

    2022

    Deniz Bilimleriİstanbul Teknik Üniversitesi

    Deniz Ulaştırma Mühendisliği Ana Bilim Dalı

    PROF. DR. YASİN ARSLANOĞLU

    PROF. DR. TOLGA KAYA